Przeglądaj wszystkie treści oznaczone etykietą Python
py-mcp-line to serwer MCP oparty na Pythonie, który umożliwia asystentom AI dostęp i interakcję z wiadomościami LINE Bota. Udostępnia zasoby, obsługuje zaawansowane filtrowanie oraz oferuje narzędzia do analizy danych konwersacyjnych, tworzenia chatbotów i archiwizacji wiadomości.
Serwer AWS Resources MCP umożliwia asystentom AI zarządzanie i zapytania o zasoby AWS w sposób konwersacyjny, wykorzystując Pythona i boto3. Zintegruj potężną automatyzację i zarządzanie AWS w swoich przepływach pracy FlowHunt dzięki bezpiecznym operacjom opartym na uprawnieniach.
Integruj asystentów AI z API Terraform Cloud za pomocą serwera Terraform Cloud MCP. Zarządzaj infrastrukturą za pomocą języka naturalnego, automatyzuj zadania związane z workspace i projektami oraz usprawniaj procesy infrastructure-as-code – wszystko z poziomu ulubionych platform AI.
Video Still Capture MCP to serwer oparty na Pythonie, który zapewnia asystentom AI dostęp do kamer internetowych i źródeł wideo w czasie rzeczywistym za pośrednictwem OpenCV, umożliwiając przechwytywanie obrazów, zarządzanie kamerami oraz podstawowe przetwarzanie obrazów poprzez standaryzowane interfejsy Model Context Protocol.
MCP-Server-Creator to meta-serwer umożliwiający szybkie tworzenie i konfigurowanie nowych serwerów Model Context Protocol (MCP). Dzięki dynamicznemu generowaniu kodu, budowaniu narzędzi i zarządzaniu zasobami, usprawnia rozwój niestandardowych serwerów integracji i łączności AI, dając zespołom technicznym możliwość automatyzowania workflow i przyspieszania wdrożeń.
MetaTrader MCP Server łączy Duże Modele Językowe AI z MetaTrader 5, umożliwiając zautomatyzowany handel, zarządzanie portfelem oraz inteligentną analizę rynku bezpośrednio z workflowów sterowanych przez AI.
QGIS MCP Server łączy QGIS Desktop z LLM dla automatyzacji wspieranej przez AI — umożliwia kontrolę projektów, warstw, algorytmów oraz wykonywanie kodu Pythona bezpośrednio z interfejsów konwersacyjnych.
MCP Code Executor MCP Server umożliwia FlowHunt i innym narzędziom opartym na LLM bezpieczne wykonywanie kodu Pythona w izolowanych środowiskach, zarządzanie zależnościami oraz dynamiczną konfigurację kontekstu wykonywania kodu. Idealny do automatycznej oceny kodu, powtarzalnych workflow data science oraz dynamicznego przygotowywania środowisk wewnątrz przepływów FlowHunt.
Serwer pydanticpydantic-aimcp-run-python MCP łączy asystentów AI z bezpiecznym, kontrolowanym środowiskiem wykonywania kodu Python. Umożliwia dynamiczne skryptowanie w Pythonie, automatyzację i równoległe wykonywanie funkcji w ramach FlowHunt i kompatybilnych platform.
Anaconda to kompleksowa, otwartoźródłowa dystrybucja Pythona i R, zaprojektowana w celu uproszczenia zarządzania pakietami i wdrożeniami na potrzeby obliczeń naukowych, data science i uczenia maszynowego. Opracowana przez Anaconda, Inc., oferuje solidną platformę z narzędziami dla data scientistów, programistów i zespołów IT.
Chainer to otwartoźródłowy framework do głębokiego uczenia, oferujący elastyczną, intuicyjną i wydajną platformę dla sieci neuronowych, z dynamicznymi grafami define-by-run, akceleracją GPU i szerokim wsparciem dla architektur. Opracowany przez Preferred Networks przy udziale dużych firm technologicznych, idealny do badań, prototypowania i rozproszonego treningu, lecz obecnie jest w trybie utrzymania.
Dash to otwartoźródłowy framework Pythona stworzony przez firmę Plotly do budowania interaktywnych aplikacji do wizualizacji danych i pulpitów nawigacyjnych, łączący Flask, React.js i Plotly.js dla płynnych rozwiązań analitycznych i business intelligence.
Poznaj skalowalne rozwiązanie w Pythonie do ekstrakcji danych z faktur przy użyciu AI OCR. Dowiedz się, jak konwertować PDF-y, przesyłać obrazy do API FlowHunt i sprawnie pobierać dane w ustrukturyzowanym formacie CSV, usprawniając przetwarzanie dokumentów.
Gensim to popularna, otwartoźródłowa biblioteka Pythona do przetwarzania języka naturalnego (NLP), specjalizująca się w niesuperwizyjnym modelowaniu tematów, indeksowaniu dokumentów i wyszukiwaniu podobieństw. Efektywnie obsługując duże zbiory danych, wspiera analizę semantyczną i jest szeroko wykorzystywana w badaniach i przemyśle do eksploracji tekstu, klasyfikacji i chatbotów.
Google Colaboratory (Google Colab) to oparta na chmurze platforma notatników Jupyter od Google, umożliwiająca użytkownikom pisanie i wykonywanie kodu Python w przeglądarce z bezpłatnym dostępem do GPU/TPU, idealna do uczenia maszynowego i analizy danych.
Jupyter Notebook to otwartoźródłowa aplikacja internetowa umożliwiająca użytkownikom tworzenie i udostępnianie dokumentów z żywym kodem, równaniami, wizualizacjami i narracyjnym tekstem. Szeroko wykorzystywana w data science, uczeniu maszynowym, edukacji i badaniach, obsługuje ponad 40 języków programowania oraz płynną integrację z narzędziami AI.
Keras to potężne i przyjazne dla użytkownika, otwartoźródłowe API wysokopoziomowych sieci neuronowych, napisane w Pythonie i mogące działać na TensorFlow, CNTK lub Theano. Umożliwia szybkie eksperymentowanie oraz wspiera zarówno produkcyjne, jak i badawcze zastosowania dzięki modułowości i prostocie.
Macierz pomyłek to narzędzie uczenia maszynowego służące do oceny wydajności modeli klasyfikacyjnych, szczegółowo przedstawiające liczbę trafnych/nietrafnych pozytywnych i negatywnych przewidywań, co daje pogląd wykraczający poza samą dokładność — szczególnie przydatne w niezrównoważonych zbiorach danych.
Natural Language Toolkit (NLTK) to kompleksowy zestaw bibliotek i programów Pythona do symbolicznego i statystycznego przetwarzania języka naturalnego (NLP). Szeroko stosowany w środowisku akademickim i przemyśle, oferuje narzędzia do tokenizacji, stemmingu, lematyzacji, tagowania części mowy i wiele więcej.
NumPy to otwarta biblioteka Pythona kluczowa dla obliczeń numerycznych, zapewniająca wydajne operacje na tablicach i funkcje matematyczne. Stanowi podstawę obliczeń naukowych, data science i uczenia maszynowego, umożliwiając szybkie przetwarzanie dużych zbiorów danych.
Pandas to otwartoźródłowa biblioteka do manipulacji i analizy danych w Pythonie, znana ze swojej wszechstronności, solidnych struktur danych i łatwości obsługi złożonych zbiorów danych. Jest fundamentem dla analityków danych i naukowców zajmujących się danymi, wspierając efektywne czyszczenie, transformację i analizę danych.
Plotly to zaawansowana, otwartoźródłowa biblioteka do tworzenia interaktywnych, publikacyjnej jakości wykresów online. Kompatybilna z Pythonem, R i JavaScriptem, Plotly umożliwia realizację złożonych wizualizacji danych i obsługuje szeroki zakres typów wykresów, interaktywności oraz integrację z aplikacjami webowymi.
Scikit-learn to potężna, otwartoźródłowa biblioteka uczenia maszynowego dla Pythona, oferująca proste i wydajne narzędzia do predykcyjnej analizy danych. Szeroko stosowana przez naukowców danych i praktyków uczenia maszynowego, oferuje szeroki zakres algorytmów do klasyfikacji, regresji, klasteryzacji i innych, z płynną integracją z ekosystemem Pythona.
SciPy to solidna, otwarta biblioteka Pythona do obliczeń naukowych i technicznych. Bazując na NumPy, oferuje zaawansowane algorytmy matematyczne, optymalizację, całkowanie, manipulację danymi, wizualizację oraz współpracę z bibliotekami takimi jak Matplotlib i Pandas, czyniąc ją niezbędną w obliczeniach naukowych i analizie danych.
spaCy to solidna, otwartoźródłowa biblioteka Pythona do zaawansowanego przetwarzania języka naturalnego (NLP), znana z szybkości, wydajności oraz funkcji gotowych do produkcji, takich jak tokenizacja, rozpoznawanie części mowy i rozpoznawanie nazwanych encji.
